10.txt

This complete matlab for neural network

经元组织结构上分析研究神经网络的运行机理。在国际上已经掀起一股人工神经网络的研
究热潮，这对人脑思维的研究起着巨大的推动作用。目前破译遗传基因的工作已经有了很
大的进展，遗传算法已经被成功地应用于机器学习。机器人控制、机器视觉和自适应学习
等领域也得到广泛的应用。当今全世界的科学家已经认识到，实现人工智能必须以生物技
术，信息技术和新材料技术三大高科技为手段。生物技术是侦察兵，它负责揭开智能之谜
，为人工智能的发展提供方向；信息技术是主力军，它负责人工方式等模拟人类职能；而
新材料技术是后勤部队，为人工智能的实现提供物质基础。90年代后人工智能的发展方向
有如下几方面：

1.3.1现场人工智能（Situated AI）
    1991年R. Brooks研制出具有自适应能力的“人造昆虫”，提出现场人工智能的概念：
智能系统与环境交互，一方面要从所运行的环境中获得信息（感知），一方面要通过自己
的动作（作用），对环境施加影响。
    移动机器人成为这一研究的理想实验床。但移动机器人的传感器，执行机构都较复杂
，价格昂贵，困难较多。计算机网络是一个不动的机器人，同样是研究现场人工智能的理
想实验床。计算机网络用户分布世界各地，各自的任务同时在网络上传送和加工处理，且
各种任务相互交互，因此解决这类系统的调节、控制与安全问题等是人工智能的新研究领
域。
    
1.3.2直觉（Intuition）、顿悟（Insight）和灵感（Inspiration）的研究（3I研究）

    传统人工智能主要是以逻辑思维为主。1995年H.Simon提出对“只可意会，不可言传”
的现象进行模拟。在80年代钱学森提出建立思维科学技术体系，并认为思维科学（Noteti
c Sciences）研究的突破在于形象思维。直觉、顿悟、灵感都属于形象思维。

1.3.3数据开采和知识发现（Data Mining and Knowledge Discovery）
人工智能关于机器学习（Machine Learning）的研究有很长的历史，但多数只是停留在实
验室中，研究其基本原理，因此难以取得实际应用。大型数据库的出现，数据充分利用和
辅助决策就成为十分迫切的问题。数据开采和知识发现是解决上述问题的重要途径。机器
学习也因此能切实的解决实际问题。
数据开采是在数据库中寻找数据中的模式，再根据这些模式找出相应的规律。数据开采可
以产生五种基本类型的信息：关联信息，若干单个实践相关联的信息；聚类信息，对数据
进行聚类分析；分类信息，进行分类的特征描述；偏差信息，反应异常情况的信息；预测
信息，从现有的数据中建立模型，计算未来值。
    知识发现举例
    通过数据库的信息查询和统计分析处理，提示：人参参与治疗霍乱时与白术的配伍几
率最高，哪么人参与白术配伍治疗哪种病证是居第一位的（妊娠恶阻），又人参在参与治
疗妊娠恶阻时与药物的配伍几率最高的是哪味药（生姜）。
    如果你有若干的问题：如有关“火郁发之”的理论源头发生于何年代？何种书？后世
与之有关的理论是怎样论述的？其构化出病机推理知识是什么等？可以通过数据挖掘技术
在数据库中找到答案。

1.3.4人工智能同主流的计算技术有机结合起来
人工智能应该和多媒体、计算机网络、数值计算、信息管理等有机的结合起来，使人工智
能融入信息技术种，使人工智能与信息技术同步发展。
1994年美国人工智能学会提出“21世纪智能系统”的规划：能产生真实仿真世界的智能模
拟系统；能支持有效利用国家信息基础结构的智能信息资源；可以帮助设计和运转一个复
杂系统上作为一个智能化长期成员的软件。全部实现需要10-20年时间。

2.中医智能方案的提出
    
2.1 中医智能方案的基础
    中医智能方案是以建立中医药基础数据库为前提的，中医智能的主要任务是对中医药
古今数据实现信息挖掘和规律发现（知识发现），帮助中医药工作者及时和有效的评价自
己业务行为的正确程度。怎样从各种业务数据中提取有用信息，然后根据这些信息来制定
明智的决策，这是中医智能要解决问题。
1)中医药基础数据库的规划
对中医药近2千年的文字记载资料用计算机技术进行全面系统的整理是信息时代赋予我们的
历史使命，为了完成这一艰巨的目标，用系统思想和工程技术完成了一个金字塔结构的规
划。如图所示：
    2)中医药基础数据库总体结构

2.2 中医智能技术
    中医智能方案目标是对历史基础数据轻度集合后再进行高度集合，是对中医药数据的
深度挖掘，是基础数据库向智能化发展的一个重要步骤。也就是在数据仓库技术的帮助下
，将“数据”转换为“信息”，再由分析技术进行信息挖掘，形成某一层面（专题）的综
合分析，产生知识性的认识，也称第二性的信息，并就这些信息间的关联进行深层推理。


2.2.1全文主题解析方案
在全面、系统、高效地利用中医药信息的思想指导下，根据中医药文献和学术的特点，提
出了各个子库的“全文主题解析方案”，设计出相应的“全文主题解析工作单”，以此作
为数据库系统结构设计的依据，保证入库中医药数据的正确性、完整性、基础性和系统性
。
    实践证明，用此方法建立的中医药基础数据库确实有其基础支撑的作用。从方剂数据
库来看，对40余万张方剂的解析，估计可产生800余万条相关数据，如将这些数据入库并进
行综合处理，可获得的信息量将十分可观。其解析之艰辛可想而知，但由此获得的价值也
肯定是巨大的。现在方剂数据库已将公元960年以前我国大陆的全部方剂资料进行建库，约
计有25,000余条记录，经过初步运行，证实全文主题解析方案的科学和可行。

2.2.2数据仓库技术
    数据仓库（Data Warehouse-DW）的概念是Pris Solutions公司副总裁W.H.Inmon在19
92年出版的书《建立数据仓库》（Building the Data Warehouse）中提出的。数据仓库的
提出是以关系数据库，并行处理和分布式技术的飞速发展为基础，它是解决信息技术（IT
）在发展中一方面拥有大量数据，另一方面有用信息却很贫乏（Data rich – Informati
on poor）这种不正常现象的综合解决方案。数据仓库是1995年开始盛行起来的。
    1）数据仓库的概念
    W.H.Inmon在《建立数据仓库》一书中，对数据仓库的定义为：数据仓库是面向主题的
、集成的、稳定的、不同时间的数据集合，用于支持经营管理中决策制定过程。
    2）数据仓库的结构
    数据仓库是在原有关系型数据库的基础上发展形成的，但不同于数据库系统的组织结
构形式，它从原有的业务数据库中获得的基本数据和综合数据被分成一些不同的层次。一
般数据仓库的结构如图所示。包括当前基本数据（current detail data）、历史基本数据
（older detail data）、轻度综合数据（lightly summarized data）、高度综合数据（
highly summarized）、元数据（meta data）。
    元数据至少包括以下一些信息：数据结构、用于综合的算法、从业务环境到数据仓库
的规划。
    当前基本数据是最近时期的业务数据，是数据仓库用户最感兴趣的部分，数据量大。
当前基本数据随时间的推移，由数据仓库的时间控制机制转为历史基本数据，一般被转存
于一些转换介质中，如磁带等。
    轻度综合数据是从当前基本数据中提出来的，设计这层数据结构时会遇到“综合处理
数据的时间段选取，综合数据包含哪些数据属性和内容”。
    高一层是高度综合数据层，这一层的数据十分精炼，是一种准决策数据。
    
2.2.3数据处理技术
    1）数据的定性定量分析
    从信息学的角度来看，中医学理论体系是一个复杂的知识系统，这个系统辐射到中医
药学术的方方面面，因此一个主题所涉及的信息也具有系统的特征（由相互联系、相互作
用的若干要素组成，且具有一定结构），但是要以既易于人们理解又便于计算机处理的形
式准确地表示出来，首先就要进行必要的标准化，我们把这种标准化称作“定性定量分析
”，这是示例学习、聚类分析的基础。
    2）示例学习与检索
    机器学习（machine learning）是人工智能研究的任务之一，应用到数据库中，是要
发挥其不单纯用数值来表达知识，而是用提炼规则与特征来处理信息，模拟人类思维的识
别与总结功能，使数据的检索从物理存在数据模式向逻辑关系模式迈进，用以区别那些“
形似而质异”、“质同而形异”的信息分类问题。
    3）聚类分析
    聚类分析是数据挖掘的运算方法之一，聚类技术在统计数据分析、模式识别、图像处
理等领域有广泛的应用，我们引进这一技术到数据库中，将数据进行归并分组，使得每一
组内的数据尽可能相似，而不同组内的数据尽可能不同，在主题约束的前提下，去发现同
主题下的不同分类信息。
    4）多维数据结构的建立与切片、旋转
这是近年来国际上兴起的一门软件技术，通常成为：OLAP（On-Line Analytic al Proces
sing）。维是相同类数据的集合，有其固有的属性。为了帮助理解中医药信息的规律、变
化，数据分析所涉及的不仅是历史数据的简单比较，而是多变的主题及多维数据的访问，
数据维内及维间存在着大量复杂的综合路径及关联，这有助于我们认识复杂的中医学理论
体系内的各种联系。所谓“切片”、“旋转”，是多维数据分析的两类具体的分析方法，
它是建立在以“超立方体”结构为存储方式的多维数据基础上的，它使多维空间的不同截
面形成了多维视图，利用切片功能（slice and dice），逐层细化（drill）功能，维旋转
（pivoting）功能等，完成传统方法难以完成的信息综合比较和总结。

2.3 中医药专题研究信息系统
    “中医药专题研究信息系统”是建立在基础数据库上的专题研究层面，其目标是对历
史基础数据轻度集合后再进行高度集合，是对中医药数据的深度挖掘，是基础数据库向智
能化发展的一个重要步骤。也就是在数据仓库技术的帮助下，将“数据”转换为“信息”
，再由分析技术进行信息挖掘，形成某一层面（专题）的综合分析，产生知识性的认识，
也称第二性的信息，并就这些信息间的关联进行深层推理。
    本项研究已提出解决方案，并研制了部分智能分析软件，待条件成熟时再行立项，实
施上述研究，建立智能推理平台，利用“中医药基础数据库”作为基础，进行深层次的中
医药信息资源的分析研究。

3.方剂理论数字模型的研究
任何一种科学都是有局限性的，当它要寻求发展时，必须冲破极限超越自己。中医学从民
族医学的角度来看可以说是很成功的，它在传统的模式下发展得近乎十全十美，所以中医
学要冲破自己的极限，要超越自己，显得比任何别的学科都要困难得多。我们在中医复方
组方规律数字化模型的研究实践中深深体会到，中医知识工程的建构对中医学术研究和发
展有着重要的现实意义。

3.1中医学术研究新思路的提出
    中医学的思维方式以宏观分析为特点，如果采取微观的研究手段来探讨中医学内在的
机理，实践证明这里的障碍太大了，或许应该寻找一种新的思路。对于中医复方学这个具
有多侧面、多因素、多理论、多方法、多层次、多学派等特点的复杂知识系统，不论从哪